下面整理下python有哪些方式可以讀取數據文件。

1. python內置方法（read、readline、readlines）

• read() ： 一次性讀取整個文件內容。推薦使用read(size)方法，size越大運行時間越長
• readline() ：每次讀取一行內容。內存不夠時使用，一般不太用
• readlines() ：一次性讀取整個文件內容，并按行返回到list，方便我們遍歷

2. 內置模塊（csv）

python內置了csv模塊用于讀寫csv文件，csv是一種逗號分隔符文件，是數據科學中最常見的數據存儲格式之一。
csv模塊能輕松完成各種體量數據的讀寫操作，當然大數據量需要代碼層面的優化。

csv模塊讀取文件

# 讀取csv文件
import csv  
with open('test.csv','r') as myFile:  
    lines=csv.reader(myFile)  
    for line in lines:  
        print (line)  

csv模塊寫入文件

import csv  
with open('test.csv','w+') as myFile:      
    myWriter=csv.writer(myFile)  
    # writerrow一行一行寫入
    myWriter.writerow([7,8,9])  
    myWriter.writerow([8,'h','f'])  
    # writerow多行寫入
    myList=[[1,2,3],[4,5,6]]  
    myWriter.writerows(myList)  

3. 使用numpy庫（loadtxt、load、fromfile）

loadtxt方法

loadtxt用來讀取文本文件（包含txt、csv等）以及.gz 或.bz2格式壓縮文件，前提是文件數據每一行必須要有數量相同的值。

import numpy as np
# loadtxt()中的dtype參數默認設置為float
# 這里設置為str字符串便于顯示
np.loadtxt('test.csv',dtype=str)
# out：array(['1,2,3', '4,5,6', '7,8,9'], dtype='U5')

load方法

load用來讀取numpy專用的.npy, .npz 或者pickled持久化文件。

import numpy as np
# 先生成npy文件
np.save('test.npy', np.array([[1, 2, 3], [4, 5, 6]]))
# 使用load加載npy文件
np.load('test.npy')
'''
out:array([[1, 2, 3],
       [4, 5, 6]])
'''

fromfile方法

fromfile方法可以讀取簡單的文本數據或二進制數據，數據來源于tofile方法保存的二進制數據。讀取數據時需要用戶指定元素類型，并對數組的形狀進行適當的修改。

import numpy as np
x = np.arange(9).reshape(3,3)
x.tofile('test.bin')
np.fromfile('test.bin',dtype=np.int)
# out:array([0, 1, 2, 3, 4, 5, 6, 7, 8])

4. 使用pandas庫（read_csv、read_excel等）

pandas是數據處理最常用的分析庫之一，可以讀取各種各樣格式的數據文件，一般輸出dataframe格式。
如：txt、csv、excel、json、剪切板、數據庫、html、hdf、parquet、pickled文件、sas、stata等等

read_csv方法

read_csv方法用來讀取csv格式文件，輸出dataframe格式。

import pandas as pd
pd.read_csv('test.csv')

read_excel方法

讀取excel文件，包括xlsx、xls、xlsm格式

import pandas as pd
pd.read_excel('test.xlsx')

read_table方法
通過對sep參數（分隔符）的控制來對任何文本文件讀取

read_json方法

讀取json格式文件

df = pd.DataFrame([['a', 'b'], ['c', 'd']],index=['row 1', 'row 2'],columns=['col 1', 'col 2'])
j = df.to_json(orient='split')
pd.read_json(j,orient='split')

read_html方法

讀取html表格

read_clipboard方法

讀取剪切板內容

read_pickle方法

讀取plckled持久化文件

read_sql方法

讀取數據庫數據，連接好數據庫后，傳入sql語句即可

read_dhf方法

讀取hdf5文件，適合大文件讀取

read_parquet方法

讀取parquet文件

read_sas方法

讀取sas文件

read_stata方法

讀取stata文件

read_gbq方法

讀取google bigquery數據

5、讀寫excel文件（xlrd、xlwt、openpyxl等）

python用于讀寫excel文件的庫有很多，除了前面提到的pandas，還有xlrd、xlwt、openpyxl、xlwings等等。

主要模塊：

• xlrd庫：從excel中讀取數據，支持xls、xlsx
• xlwt庫：對excel進行修改操作，不支持對xlsx格式的修改
• xlutils庫：在xlw和xlrd中，對一個已存在的文件進行修改
• openpyxl：主要針對xlsx格式的excel進行讀取和編輯
• xlwings：對xlsx、xls、xlsm格式文件進行讀寫、格式修改等操作
• xlsxwriter：用來生成excel表格，插入數據、插入圖標等表格操作，不支持讀取
• Microsoft Excel API：需安裝pywin32，直接與Excel進程通信，可以做任何在Excel里可以做的事情，但比較慢

6. 操作數據庫（pymysql、cx_Oracle等）

python幾乎支持對所有數據庫的交互，連接數據庫后，可以使用sql語句進行增刪改查。
主要模塊：

• pymysql：用于和mysql數據庫的交互
• sqlalchemy：用于和mysql數據庫的交互
• cx_Oracle：用于和oracle數據庫的交互
• sqlite3：內置庫，用于和sqlite數據庫的交互
• pymssql：用于和sql server數據庫的交互
• pymongo：用于和mongodb非關系型數據庫的交互
• redis、pyredis：用于和redis非關系型數據庫的交互

到此這篇關于python里讀寫excel等數據文件的6種常用方式(小結)的文章就介紹到這了,更多相關python讀寫excel內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！